摘要: Python 排名機器學習年度最熱門的程式語言第一名,但領域巨擘 Yann LeCun 卻不看好。他認為有其他程式語言更符合當代的使用條件,更快、更準、更方便。Python 已是過去式,新的程式語言的需求越來越大。

 


Python 要過時了。

說這話的正是深度學習「三巨頭」之一的 Yann LeCun

昨天(18),這位 Facebook  人工智慧實驗室主任、紐約大學教授深刻探討了深度學習的未來。

作為一位親身見證深度學習發展的大師, LeCun  認為,深度學習可能需要一種新的程式語言了

何出此言?

新語言迫在眉睫

在科技媒體 VentureBeat  的採訪中,LeCun  坦言,當下深度學習研究所需要的語言,是一種比 Python  更靈活、更易於使用的新型程式語言。

LeCun  透露,目前,谷歌、Facebook  和其他一些公司已經開展了新程式語言的設計工作 。雖然各家的研究成果還未成熟,但有一點可以確定,新語言主要為提高深度學習任務的效率而生。

言下之意,目前深度學習語言界的老大哥 Python,可能不久就要被長江後浪推走了。即使在此之前,Python  的地位看起來那麼炙手可熱。

GitHub  最近公佈的 2018 機器學習排行榜 顯示,Python  毫無疑問當選了機器學習項目開發人員最偏愛的語言。

縱觀當下最熱門機器學習框架,例如谷歌 TensorFlow Facebook 的 PyTorch ,也和 Python 關係密切。

不過,這並不意味著沒有別的語言想爭寵上位。

程式語言後起之秀:發布不到一年就榜上有名

比如 MIT  發佈的 Julia,就是專門為機器學習設計。

它快速、通用、動態、專業,集  的速度、Matlab  的數學表徵、Python  的通用編程與 Shell  的膠水命令行與一身,還支持 Google  的 TPU

Julia 1.0  雖然  月份才剛剛發佈,年底就已經爬到了機器學習語言榜第六位,簡直是青雲直上。

也有在 Python  基礎上的優化,比如專門針對速度 Cython  工具包,直接在 Python 裡 編寫 語言,結合了 P ython  和  的優點,大大提升處理速度。

還有已經藉著其他領域崛起的語言,想分一杯機器學習羮。對,說的就是谷歌推出的 Swift for TensorFlow

程式語言 Swift:重擊 Python 用戶的痛點

它剛一開源,就有不少飽受 Python  性能和靈活性困擾的開發者,高呼「可以拋棄 Python 了」。

TensorFlow  官方就發文吐槽過 Python  不少毛病。比如,性能實在太差,運行時依賴包太多,又不擅長處理併發 ……

而 Swift,就是他們給出的解決之道。

雖說 Python  問題眾多,想上位的新語言前赴後繼,但 LeCun  還是在為這些新語言擔憂。

畢竟現在全民 Python,深度學習界能不能接受一種新語言還是一個未知謎題。如果新語言沒有人用,那不是研究所必須的。

作為一名 AI 工程師 ,請做好生命不息,語言學習不止的準備。

深度學習平民化的 4 大預言

在接受 VentureBeat  採訪的同一天,LeCun  還出席了在舊金山舉辦的國際固態電路會議(International Solid State Circuits Conference),在會上同樣展望了深度學習的未來。

Fortune 和 Business Insider  等媒體總結了 LeCun  的新觀點。

  1. AI 將落實於手機上

LeCun  認為,未來三年內,絕大多數智慧型手機都會安裝 AI  相關的專用處理器,在手機上進行實時翻譯等功能會更加普及。

隨著蘋果、華為、Google  把自己的手機 AI  化,多種多樣的新 AI  應用將會出現在手機上。

而在這一進程結束之後,我們才能在手機之外的其他地方更頻繁的看到 AI  的應用。

2. 網路審查工作為因 AI 而更精準

對於 Facebook  公司,語言內容審查是一項重要工作。

LeCun  表示,在一部分情況下,AI  可以過濾那些不友善的發言,但仍然有很多情況,比如仇恨性言論,受限於預料,無法進行 AI  自動過濾。

如果有更好的晶片面世,內容審核技術可以大大得到改善。

3. AI 想走進人類生活,得先解決「晶片」、「電池」的限制

LeCun  最近在關注的一件事情是將計算機晶片用於各種日常設備,就像有些智慧型手機內置人臉識別功能一樣,可以直接在手機本地計算,而不用將用戶的人臉數據上傳到雲端。

LeCun  舉的一個例子是附帶神經網路的新型割草機,可以自動識別花園裡的雜草和花花,自動除掉雜草,留下花花。

不過,如果想要將類似的功能擴展到生活的方方面面, 需要更複雜的移動計算晶片 ,另一方面 電池的容量也是一個限制 ,神經網路需要消耗大量電能,因此在一些小型設備上還難以實現。

換句話說,如果電池和晶片得到升級,我們可以實現「讓世界充滿 AI」。

4. AI 未來將具有「常識」

識別一種動物,人類兒童看一下就能認出來了,而電腦卻需要成百上千張照片來識別訓練。

LeCun  覺得,我們遲早都會開發出新型的神經網路,通過自己篩選數據進行訓練獲得常識,像百科全書一樣獲取基本事實,AI  從業者可以通過進一步訓練這些神經網路來執行更高的任務。

但是,訓練「有常識的」AI,需要等待更強大的晶片出現。

AI 晶片製作正夯!

前面 LeCun  說了這麼多晶片,後面晶片就來了。

LeCun  在接受英國《金融時報》採訪時就透露,Facebook  目前也在研發 AI  晶片,不僅在和英特爾等晶片公司合作,也在自己研發 ASIC  晶片,用於支持相關的 AI  應用。

轉貼自: BuzzOrange

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應

Popular Tags